基于深度学习的适配区选取方法研究

发布时间：2022-07-27 17:25

　　在导弹的末制导阶段中,常采用景象匹配技术作为导航手段。而景象匹配区的选取是影响景象匹配系统性能的关键因素,是参考图制备中的核心技术,因此,通过景象匹配适配性分析,建立一个适应性强的适配区选取准则具有重要的现实意义。现有的景象区域适配性分析工作,无论是基于光学图像或是SAR图像,都是通过提取与适配性有关的传统的图像特征参数,进一步根据阈值逐层筛选出适配区,或是由此训练分类器来对适配性做出预测。由于景象适配性分析的复杂性,目前的适配性分析方法在实际的景象匹配应用中依然存在诸多问题。论文在前人工作的基础上,针对景象匹配的适配性分析方法展开研究,提出了一种基于ResNet深度学习网络的适配区选取方法。主要研究内容如下:针对当前景象区域适配性能评价模糊性问题,采用匹配概率指标对适配性能做出量化。论文结合工程应用实际,考察了参考区域多幅子图在不同场景下成像后的匹配性能。对一幅参考图,在其中取多个实时图大小的子图并对其仿射变形,生成数量众多的模拟实时图。让模拟实时图与参考图进行匹配,统计正确匹配的实时图个数并计算概率,作为当前参考图适配性的定量评价指标。针对当前适配性分析中图像特征参数设计困难问题,... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 适配性分析的概念、方法和研究现状
    1.3 本文主要研究内容
2 景象匹配中的适配概率计算
    2.1 适配区的定义
    2.2 景象匹配算法
    2.3 景象匹配的两种典型模式
    2.4 匹配概率计算
    2.5 本章小结
3 数据集选取与制作
    3.1 数据集选取
    3.2 数据集制作
    3.3 本章小结
4 基于深度学习模型的匹配概率预测
    4.1 AlexNet模型介绍
    4.2 ResNet模型介绍
    4.3 模型微调与训练
    4.4 本章小结
5 实验验证与适配区分析
    5.1 参考图子区域选取
    5.2 对比实验分析
    5.3 不同地物目标类别的适配性分析
    5.4 本章小结
6 总结与展望
    6.1 论文工作总结
    6.2 进一步研究展望
致谢
参考文献



本文编号：3665870